Le Blog de la maîtrise opérationnelle et du management de l'énergie dans l'industrie


Parcourez nos articles, conseils d’experts et témoignages d’industriels : nos expériences vous font gagner du temps !
Métallurgie-big-data-reduire-consommation-energie-blu-e

Métallurgie : Big Data et gros fours font bon ménage

Les industriels électro-intensifs n’ont pas attendus le réchauffement climatique pour s’intéresser à l’efficacité énergétique. C’est le cas de la métallurgie. Pour ses étapes d’aciérie bien sûr (fusion, affinage, recyclage), mais aussi pour la métallurgie extractive (première transformation du minerai), dont les fours impressionnent par leurs dimensions et puissance. Ces équipements très onéreux sont déjà conçus pour être très efficaces, et évoluent désormais peu dans leur design. Prochaine étape pour en réduire encore la consommation énergétique : le Big Data.

 

Métallurgie : une industrie lourde mais subtile

Rappelons brièvement le procédé de la pyrométallurgie, l’une des transformations du minerai brut, généralement extrait sous forme d’un oxyde en alliage, prêt à l’usage pour les aciéristes ou industries chimiques. La « réduction » (au sens chimique, qui consiste à éliminer l’oxygène en le faisant réagir avec du carbone) s’effectue en chauffant le minerai à très haute température (entre 1400 et 1800 °C environ), souvent dans des fours à arcs électriques de plus de 10 mètres de diamètre, affichant plusieurs dizaines de mégawatt de puissance (20 à 80 MW voire plus), et fonctionnant en continu.

Dans le principe, la conduite de ces fours consiste à analyser le minerai entrant (qualité, composition) puis, en fonction du cahier des charges, à ajuster les paramètres procédés (quantités de réducteur, puissance de chauffe instantanée…). En pratique, c’est bien plus compliqué ! D’abord, il n’est pas aisé de connaître précisément la composition ponctuelle du minerai. Ensuite, il y a plusieurs électrodes dans un four, qu’il faut parfois gérer individuellement pour bien répartir l’énergie. De plus, hormis les objectifs énergétiques, le procédé peut devenir instable, ce qui pose des enjeux de sécurité pour le personnel, et le risque de produire un alliage hors spécifications.

 

Peu d’informations techniques mais beaucoup de savoir-faire

Il suffit d’installer quelques capteurs pour monitorer tout cela direz-vous. Certes. Mais là encore, la pratique complique la donne. Il est quasiment impossible d’instrumenter l’intérieur de l’enveloppe réfractaire à cause des températures élevées. De plus, les forts courants et les arcs électriques provoquent des champs électromagnétiques qui compliquent les mesures électriques. Enfin, les capteurs s’encrassent, ainsi que le four lui-même, dont le comportement évolue avec le temps et l’usage. L’intérieur du four serait ainsi une boîte noire ? Pas complètement : certains capteurs de température déportés (plusieurs centaines), des données électriques (résistance, réactance…) et des informations sur l’alliage de sortie (composition, température de coulée) permettent de déduire l’état de fonctionnement des fours. Sans oublier les compétences et l’expérience des métallurgistes, qui savent non seulement conduire leurs fours, mais aussi détecter les situations à risque.

 

Un four 4.0, et toujours des métallurgistes

Reste que certaines situations sont découvertes tardivement, et que l’optimisation énergétique s’avère bien souvent trop fine et/ou trop complexe pour relever uniquement de l’instinct des équipes, fussent-elles brillantes et expérimentées. Certains métallurgistes utilisent des systèmes experts qui croisent les paramètres électriques et la composition du minerai avec des règles métiers. Mais il reste encore compliqué de formaliser des connaissances peu répertoriées, qui relèvent du savoir-faire, et sont souvent spécifiques à un couple minerai/équipement.

Une solution pointe pourtant : le Big Data. Les données existantes sont en effet suffisantes pour construire des modèles statistiques permettant de prédire les comportements d’un four donné. Les résultats sont prometteurs, avec par exemple la prédiction d’un événement probable à 70%, 10 minutes avant son occurrence. Pas de quoi cependant automatiser la conduite à court terme : l’avis du métallurgiste restera prépondérant pendant encore longtemps. A l’instar des boîtiers automobiles, il faut plutôt voir ces outils comme des aides à la conduite. Attention, vous entrez dans une zone de contrôle !